Update app.py

app.py

@@ -1,6 +1,7 @@
 import gradio as gr
 import numpy as np
 import matplotlib.pyplot as plt
+from matplotlib_venn import venn2
 
 # Función para calcular el teorema de Bayes con dos eventos
 def bayes_two_events(prior_A, prob_B_given_A, prob_B_given_notA):
@@ -10,90 +11,41 @@ def bayes_two_events(prior_A, prob_B_given_A, prob_B_given_notA):
     posterior_A_given_B = (prob_B_given_A * prior_A) / prob_B
     return posterior_A_given_B, prob_B
 
-# Función para crear el gráfico de barras
-def plot_results_two_events(prior_A, prob_B_given_A, prob_B_given_notA, posterior_A_given_B):
-    # Crear un gráfico de barras para las probabilidades
-    labels = ['P(A)', 'P(B|A)', 'P(B|¬A)', 'P(A|B)']
-    values = [prior_A, prob_B_given_A, prob_B_given_notA, posterior_A_given_B]
-    
-    fig, ax = plt.subplots()
-    ax.bar(labels, values, color=['skyblue', 'orange', 'lightgreen', 'pink'])
-    ax.set_ylabel('Probabilidad')
-    ax.set_title('Resultados del Teorema de Bayes')
+# Función para crear el diagrama de Venn
+def plot_venn(prior_A, prob_B_given_A, prob_B_given_notA):
+    # Calculamos las áreas relativas del diagrama de Venn
+    area_A = prior_A
+    area_B = prob_B_given_A * prior_A + prob_B_given_notA * (1 - prior_A)
+    area_AB = prob_B_given_A * prior_A
 
+    fig, ax = plt.subplots()
+    venn = venn2(subsets=(area_A, area_B - area_AB, area_AB), set_labels=('A', 'B'), ax=ax)
+    ax.set_title('Diagrama de Venn de Eventos A y B')
     return fig
 
 # Función principal para dos eventos
 def bayes_app_two_events(prior_A, prob_B_given_A, prob_B_given_notA):
     posterior_A_given_B, prob_B = bayes_two_events(prior_A, prob_B_given_A, prob_B_given_notA)
-    fig = plot_results_two_events(prior_A, prob_B_given_A, prob_B_given_notA, posterior_A_given_B)
-    
-    # Retornar la figura y los resultados
-    return fig, f"P(B): {prob_B:.4f}", f"P(A|B): {posterior_A_given_B:.4f}"
-
-# Función para múltiples eventos
-def bayes_multiple_events(priors, likelihoods):
-    priors = np.array(priors)
-    likelihoods = np.array(likelihoods)
-    
-    # Calculamos P(B) usando la regla de la probabilidad total
-    prob_B = np.sum(priors * likelihoods)
-    
-    # Calculamos las probabilidades posteriores P(Ai|B) para cada evento Ai
-    posteriors = (priors * likelihoods) / prob_B
-    return posteriors, prob_B
-
-# Función para crear gráficos para múltiples eventos
-def plot_results_multiple_events(priors, likelihoods, posteriors):
-    events = [f'A{i+1}' for i in range(len(priors))]
-    
-    fig, ax = plt.subplots()
-    ax.bar(events, posteriors, color='purple')
-    ax.set_ylabel('Probabilidad Posterior')
-    ax.set_title('Resultados del Teorema de Bayes para Múltiples Eventos')
-    
-    return fig
-
-# Función principal para múltiples eventos
-def bayes_app_multiple_events(priors, likelihoods):
-    priors = list(map(float, priors.split(',')))
-    likelihoods = list(map(float, likelihoods.split(',')))
-    
-    posteriors, prob_B = bayes_multiple_events(priors, likelihoods)
-    fig = plot_results_multiple_events(priors, likelihoods, posteriors)
+    fig_venn = plot_venn(prior_A, prob_B_given_A, prob_B_given_notA)
     
-    resultados = "\n".join([f"P(A{i+1}|B): {posterior:.4f}" for i, posterior in enumerate(posteriors)])
-    return fig, f"P(B): {prob_B:.4f}", resultados
+    # Retornar el diagrama de Venn y los resultados
+    return fig_venn, f"P(B): {prob_B:.4f}", f"P(A|B): {posterior_A_given_B:.4f}"
 
 # Crear la interfaz de Gradio
 with gr.Blocks() as demo:
     with gr.Tab("Dos Eventos"):
-        gr.Markdown("## Calculadora Simple del Teorema de Bayes para Dos Eventos")
+        gr.Markdown("## Calculadora del Teorema de Bayes con Diagrama de Venn")
         gr.Markdown("Ajusta los valores de probabilidad para calcular la probabilidad de A dado B (P(A|B)).")
-        
+
         prior_A = gr.Slider(0, 1, step=0.01, label="Probabilidad Inicial de A (P(A))", value=0.5)
         prob_B_given_A = gr.Slider(0, 1, step=0.01, label="Probabilidad de B dado A (P(B|A))", value=0.7)
         prob_B_given_notA = gr.Slider(0, 1, step=0.01, label="Probabilidad de B dado que no ocurre A (P(B|¬A))", value=0.2)
-        
-        plot = gr.Plot()
+
+        venn_plot = gr.Plot()
         prob_B = gr.Textbox(label="Probabilidad de B (P(B))")
         prob_A_given_B = gr.Textbox(label="Probabilidad de A dado B (P(A|B))")
-        
-        btn = gr.Button("Calcular")
-        btn.click(fn=bayes_app_two_events, inputs=[prior_A, prob_B_given_A, prob_B_given_notA], outputs=[plot, prob_B, prob_A_given_B])
 
-    with gr.Tab("Múltiples Eventos"):
-        gr.Markdown("## Calculadora del Teorema de Bayes para Múltiples Eventos")
-        gr.Markdown("Introduce las probabilidades de los eventos iniciales (Priors) y las probabilidades condicionales de B dado cada evento (Likelihoods) separadas por comas. Ejemplo: '0.2, 0.3, 0.5' para tres eventos.")
-        
-        priors_input = gr.Textbox(label="Priors (Probabilidades Iniciales)", placeholder="Ejemplo: 0.2, 0.3, 0.5")
-        likelihoods_input = gr.Textbox(label="Likelihoods (Probabilidades Condicionales de B dado cada evento)", placeholder="Ejemplo: 0.6, 0.7, 0.4")
-        
-        plot_multi = gr.Plot()
-        prob_B_multi = gr.Textbox(label="Probabilidad de B (P(B))")
-        posteriors = gr.Textbox(label="Probabilidades Posteriores")
-
-        btn_multi = gr.Button("Calcular")
-        btn_multi.click(fn=bayes_app_multiple_events, inputs=[priors_input, likelihoods_input], outputs=[plot_multi, prob_B_multi, posteriors])
+        btn = gr.Button("Calcular")
+        btn.click(fn=bayes_app_two_events, inputs=[prior_A, prob_B_given_A, prob_B_given_notA], outputs=[venn_plot, prob_B, prob_A_given_B])
 
 demo.launch()